O texto que vou escrever agora é uma tradução livre do artigo em inglês da Putler sobre RFM (RFV em português).

Se você trabalha principalmente com varejo, ou é de outro ramo e quer conhecer ainda mais sobre os seus clientes, recomendo a leitura para entender como essa análise pode te ajudar a recuperar e fidelizar ainda mais seus clientes.

O texto original está aqui: https://www.putler.com/rfm-analysis/

Mas tive um trabalhão para traduzir e formatar tudo, que acho que você deveria ler a minha versão. Até porque, você não vai encontrar nada mais completo do que isso aqui em Português (falo por experiência própria).

Aviso: o texto está um pouco formal. Não foi escrito originalmente por mim e portanto não possui aquela pegada mais pessoal/bem humorada que sempre tento passar. Em algumas trechos há uns parênteses, ou seja, significa que sou eu, Mateus, conversando com você.

Tire um tempinho porque vale muito a pena a leitura.

Bora lá então?

Análise de RFM para maior sucesso nas segmentações de clientes

Parabéns! Você alcançou o melhor conteúdo sobre RFM na internet. A maioria dos outros artigos que você encontrará no Google, ou são muito rasos ou muito complexos.

Aqui você vai aprender tudo sobre RFM, como aplicar tudo isso na prática em seu próprio negócio e conhecer ainda mais sobre os seus clientes.

O que você vai aprender?

Sobre RFM: Definição da análise de RFM e os 3 parâmetros que a compõe
Segmentações de clientes baseada no modelo de RFM
Caso triste e recorrente do Email Marketing
Como o RFM se tornou super útil
Por trás do RFM: Princípios, história e casos de estudo
Cálculo das pontuações de RFM: exemplo de análise, fórmula, calculando as pontuações, métodos para calcular
Visualizando os dados de RFM: demonstração simples, criando segmentos, interpretando, relatório final
Cálculos de RFM usando o Excel

A análise de RFM é baseada em uma simples técnica

RFM (em inglês: Recency, Frequency, Monetary) ou português RFV (Recência, Frequência e Valor).

Vamos usar aqui somente a sigla em inglês (RFM), tudo bem?

RFM é um modelo de estudo de marketing para analisar o comportamento do cliente e agrupá-los em segmentações. Esses grupos de clientes (segmentações) são baseados em seus históricos de transações – o quão Recente (R), o quão Frequente (F) e o quanto de dinheiro um determinado cliente já gastou com você (M).

O RFM te ajuda a dividir os clientes em várias categorias para identificar quais deles possuem uma melhor taxa de de respostas para suas campanhas/promoções e também para futuras personalizações/novidades em seu serviço/produto.

Combinando esses 3 fatores

Metrificar o comportamento dos seus clientes com um simples parâmetro é insuficiente.

Por exemplo, você pode me dizer que os seus melhores clientes são aqueles que gastam mais. A maioria das pessoas vão concordar com você ou dizer o mesmo.

Mas espera!

E se esses clientes fizeram somente 1 compra? E se essa compra for há muito tempo atrás? E se eles nem usam mais o seu produto?

Então, eles podem ser considerados os seus melhores clientes? Provavelmente não.

Julgar o valor de um determinado cliente por apenas 1 parâmetro vai te dar uma análise imprecisa sobre toda sua base de clientes.

E é por isso que o RFM utiliza 3 diferentes parâmetros para rankear os seus clientes.

Se eles compraram recentemente (R), eles ganham mais pontos.

Se eles compraram muitas vezes num determinado período (F), eles ganham mais pontos.

E se eles já gastaram muito muito com você (M), eles também ganham mais pontos.

Combine estes 3 parâmetros para criar uma análise de RFM dos seus clientes.

Segmentações de clientes baseada no modelo de RFM

Você pode criar diferentes tipos de segmentações de clientes utilizando o RFM, mas aqui estão os 11 segmentos que nós recomendamos.

Por enquanto, imagine qual a porcentagem dos seus atuais clientes estaria em cada um desses grupos abaixo. E partir daí, avalie a eficácia das campanhas de marketing do seu negócio.

Segmento de Clientes	Atividade	O que fazer
Campeões	Compraram recentemente, com muita frequência e gastam muito	Premie-os. Eles podem ser os primeiros usuários de seus novos produtos. Serão promotores da sua marca
Clientes Fidelizados	Gastam muito e frequentemente. Responde bem as promoções	Ofereça produtos de maior valor (upsell). Peça para avaliar. Engage-os.
Potencial para ser Fidelizado	Compraram recentemente, gastaram uma quantia boa e compraram mais de uma vez.	Ofereça um programa de fidelidade e recomende outros produtos.
Clientes recentes	Compraram recentemente mas com pouca frequência.	Comece a construir um relacionamento, ofereça um suporte, gere valor rapidamente.
Promissores	Compraram recentemente, mas gastaram muito pouco.	Aproxime-o da sua marca, ofereça testes gratuitos.
Clientes que precisam de atenção	Tem alta frequência e gastou muito com você, mas tem um tempinho que não compra.	Reative-os, ofereça ofertas limitadas em produtos semelhantes aos que foram comprados anteriormente.
Quase hibernando	Tem alta frequência e gastou muito com você, mas tem um MUITO tempo que não compra.	Ofereça produtos ótimos e populares, descontos. Reconecte!
Em risco	Tem alta frequência e gastou muito com você, mas tem um MUITÍSSIMO tempo que não compra.	Envie Emails, SMS e mensagens personalizadas, ofereça produtos úteis.
Não pode perdê-los	Tem alta frequência e gastou muito com você, mas tem mais tempo ainda que não compra.	Ganhe-os de volta com produtos novos, converse com eles.
Hibernando	A última compra foi há bastante tempo, gastou pouco e comprou pouco também.	Ofereça produtos relevantes e com descontos especiais. Recrie valor com a marca.
Perdido	Não compram há muito tempo, pouquíssimas vezes e gastaram muito pouco.	Reviva o interesse com campanhas gerais. Não sofra muito com ele.

Caso triste e recorrente do Email Marketing

Considere essa situação:

Carol criou um perfeito email de Newsletter (conteúdo legal, design, call to action, link e etc). Ela enviou a Newsletter esperando conversões astronômicas. Na sua cabeça, mesmo que ela converta uma taxa baixa de 10% para seus 3.500 clientes, ela seria mais rica com alguns milhares de dólares em poucas horas.

10 minutos… meia hora… 2 horas… 8 horas se passaram. E no final do dia, apenas 1,5% das pessoas clicaram no link e realizaram a compra.

Bem desapontador, não é mesmo?

O que ela esqueceu de fazer?

Carol fez tudo perfeito, exceto uma coisa: precisão (em inglês: targeting).

Ela mandou o mesmo Email para o todo mundo.

Eu tenho certeza que você vai concordar com isso: diferentes clientes reagem a diferentes mensagens/ofertas.

Um cliente sensível ao preço recebe uma oferta de desconto, mas alguém que compra regularmente com você pode se animar apenas com o lançamento de um novo produto.

Esse é o ponto.

Em vez de atingir 100% do seu público-alvo de uma mesma maneira, você precisa identificar e segmentar grupos de clientes específicos que serão mais lucrativos para os seus negócios.

Estamos deixando ouro em cima da mesa

A maioria de nós, não está nem perto da Carol (fazemos pior do que ela).

Esteja você no comércio on-line, varejo, marketing direto ou B2B – a maioria de nós está tão ocupada com as tarefas diárias que não dedica tempo suficiente ao marketing. Nossas campanhas de marketing são apressadas, não têm direitos autorais, não têm design profissional e não prestamos atenção o suficiente ao rastreamento ou melhoria de conversões.

E claro, todos desejamos fazer tudo isso. Mas a verdade é que não fazemos.

E se entendêssemos um pouco melhor nossos clientes e enviássemos campanhas mais relevantes?

Eu prometo que nossa taxa de sucesso será muito maior.

Não apenas ganharemos mais dinheiro, mas nossos clientes também serão mais felizes e leais ao nosso negócio.

Ainda não está convencido? Você estará em alguns minutos.

Aqui está um exemplo de como o RFM pode ser super útil

Enviar uma mensagem personalizada para o grupo de clientes gerará conversões muito mais altas. Mas isso é óbvio, não é mesmo?

Todas as campanhas de marketing devem pegar primeiro um segmento-alvo, depois criar material promocional que faça sentido com esse público e depois botar para rodar.

Infelizmente, a maioria de nós não faz isso.

É aí que a análise de RFM é super útil.

O RFM facilita a identificação de grupos de clientes.

A lição até agora

O RFM considera os valores de Recência (R), de Frequência (F) e Monetários (M) para cada cliente. Combina-os e agrupa-os em diferentes segmentos de clientes para facilitar o a segmentação da campanha. A análise RFM é super útil para entender a capacidade de resposta de seus clientes à uma determinada campanha e etc.

A utilização do RFM responde a essas perguntas para o seu negócio:

Quem são meus melhores clientes?

Quais clientes estão pertos de serem perdidos?

Quem tem potencial para ser transformado em clientes mais rentáveis?

Quem são os clientes perdidos aos quais você não precisa prestar muita atenção?

Quais clientes você deve reter?

Quem são seus clientes fiéis?

Qual grupo de clientes tem maior probabilidade de responder à sua campanha atual?

Eficácia comprovada: Décadas de pesquisa acadêmica e empresarial

O RFM tem um histórico de décadas. Não é uma moda passageira ou um truque de marketing. É um processo cientificamente comprovado.

Antes de tudo, é baseado no Princípio de Pareto – geralmente chamado de regra 80-20.

O Princípio de Pareto diz que 80% dos resultados vêm de 20% dos seus esforços.

Da mesma forma, 20% dos clientes contribuem para 80% da sua receita total.

As pessoas que compraram uma vez têm mais chances de gastar novamente. As pessoas que realizaram compram grandes têm mais probabilidade de repeti-las.

O princípio de Pareto está no centro do modelo RFM. Concentrar seus esforços em segmentos críticos de clientes provavelmente fornecerá um retorno do investimento muito maior!

Alguns cases de sucesso da aplicação do RFM

O conceito de RFM foi introduzido originalmente por Bult e Wansbeek em 1995. Na época, usado de maneira eficaz pelos profissionais de Marketing de catálogos para minimizar seus custos de impressão e transporte, e maximizar retornos (famoso ROI).

A crescente popularidade da informatização de dados tornou ainda mais fácil a realização de estudos de RFM porque os registros de clientes e compras foram digitalizados. Um extenso estudo de Blattberg em 2008, comprovou a eficácia do RFM quando aplicado a bancos de dados de marketing. Vários outros estudos acadêmicos também aprovaram que a RFM reduz os custos de marketing e aumenta os retornos.

A Windsor Circle (empresa estadunidense de consultoria de marketing para varejo) relatou um sucesso significativo usando o RFM para seus clientes:

Eastwood aumentou seus lucros de marketing por e-mail em 21%
A L’Occitane obteve 25 vezes mais receita por e-mail. 25 vezes. (isso mesmo, 25 vezes!!!)
Frederick’s of Hollywood registrou taxas de conversão entre 6 e 9% em suas campanhas

Espero que agora você esteja convencido da utilidade da análise de RFM para o seu próprio negócio.

Agora vamos começar a matemática por trás de todos esses resultados.

Calculando o RFM de um jeito fácil

Quer saber como calcular pontuações de RFM com os dados de clientes? Aqui está como:

Precisamos de apenas alguns dados dos nossos clientes:

ID do cliente: Nome / CPF / Nº do cartão fidelidade / Email)
Recência (R) é a quantidade de dias dias desde a última compra. Com base na data da compra mais recente a partir de hoje (presente) para calcular o valor de recorrência. 1 dia atrás? 14 dias atrás? 500 dias atrás?
Frequência (F) é a quantidade de compras que esse cliente fez no período que estamos analisando. Por exemplo, se alguém fizer 10 pedidos por um período de tempo, sua frequência será 10.
Monetário (M) é o total de dinheiro que esse cliente já gastou com você: Basta totalizar o dinheiro de todas as transações, no período (F) que estamos analisando, para obter o valor M.

Vamos fazer RFM com este exemplo:
Ps.: (as tabelas possuem um filtro, assim como no Excel, em que você pode ordenar para facilitar o entendimento :D)

ID do Cliente + Nome	Recência (R) em dias	Frequência (F) quantidade de compras	Monetário (M) valor gasto pelo cliente
01 - Robert Johnson	3	6	540
02 - Serena Watson	6	10	940
03 - Andy Smith	45	1	30
04 - Tom West	21	2	64
05 - Andrea Juliao	14	4	169
06 - Paul Owens	32	2	55
07 - Sandhya Mhaskar	5	3	130
08 - Joe Woods	50	1	950
09 - Ammar Fahad	33	15	2430
10 - José Barbosa	10	5	190
11 - Salman Desheriyev	5	8	840
12 - Alexander Diesel	1	9	1410
13 - Cheng Liao	24	3	54
14 - Anton Sundberg	17	2	44
15 - Tarun Parswani	4	1	32

Aplicando a fórmula de pontuação RFM

Depois de obtermos os valores de RFM do histórico de compras, atribuímos uma pontuação de 1 a 5 a valores recentes (R), de frequência (F) e monetários (M) individualmente para cada cliente. 5 é o melhor (mais alto valor) e 1 é o menor (pior valor). Uma pontuação RFM final é calculada simplesmente combinando números de pontuação RFM individuais.

“Lembre-se de que os valores e as pontuações de RFM são coisas diferentes. Valor é o real de R / F / M para esse cliente, enquanto Pontuação é um número de 1 a 5 com base no valor que eu acabei de falar.”

Veja as tabelas abaixo. Para calcular a pontuação, primeiro classificamos os valores (R / F / M) em ordem decrescente (do maior para o menor). Como temos 15 clientes e pontuações que variam de 1 a 5, atribuímos uma pontuação de cinco a três primeiros registros, quatro a três seguintes e assim por diante. Para obter a pontuação geral do RFM, simplesmente combinamos as pontuações R, F e M do cliente para criar um número de três dígitos.

Tabela com base na Recência (R)

ID	Nome do cliente	Valor R	Pontuação R
1	Robert Johnson	3	5
12	Alexander Diesel	1	5
15	Tarun Parswani	4	5
2	Serena Watson	6	4
7	Sandhya Mhaskar	5	4
11	Salman Desheriyev	5	4
5	Andrea Juliao	14	3
10	José Barbosa	10	3
14	Anton Sundberg	17	3
4	Tom West	21	2
6	Paul Owens	32	2
13	Cheng Liao	24	2
3	Andy Smith	45	1
8	Joe Woods	50	1
9	Ammar Fahad	33	1

Tabela com base na Frequência (F)

ID	Nome	Valor F	Pontuação F
2	Serena Watson	10	5
9	Ammar Fahad	15	5
12	Alexander Diesel	9	5
1	Robert Johnson	6	4
10	José Barbosa	5	4
11	Salman Desheriyev	8	4
5	Andrea Juliao	4	3
7	Sandhya Mhaskar	3	3
13	Cheng Liao	3	3
4	Tom West	2	2
6	Paul Owens	2	2
14	Anton Sundberg	2	2
3	Andy Smith	1	1
8	Joe Woods	1	1
15	Tarun Parswani	1	1

Tabela com base no Monetário (M)

ID	Nome	Valor M	Pontuação M
8	Joe Woods	950	5
9	Ammar Fahad	2430	5
12	Alexander Diesel	1410	5
1	Robert Johnson	540	4
2	Serena Watson	940	4
11	Salman Desheriyev	840	4
5	Andrea Juliao	169	3
7	Sandhya Mhaskar	130	3
10	José Barbosa	190	3
4	Tom West	64	2
6	Paul Owens	55	2
13	Cheng Liao	54	2
3	Andy Smith	30	1
14	Anton Sundberg	44	1
15	Tarun Parswani	32	1

Tabela com base na Pontuação Geral do RFM (combinando os 3 fatores)

ID	Nome	Pontuação RFM
12	Alexander Diesel	555
1	Robert Johnson	544
15	Tarun Parswani	511
2	Serena Watson	454
11	Salman Desheriyev	444
7	Sandhya Mhaskar	433
10	José Barbosa	343
5	Andrea Juliao	333
14	Anton Sundberg	321
13	Cheng Liao	232
4	Tom West	222
6	Paul Owens	222
9	Ammar Fahad	155
8	Joe Woods	115
3	Andy Smith	111

Com todos esses dados organizados nas tabelas anteriores, os clientes que compraram recentemente, são compradores frequentes e gastam muito, recebem uma pontuação de 555 – Recência (R) – 5, Frequência (F) – 5, Monetária (M) – 5. Eles são seus melhores clientes. Alexander Diesel é o melhor, neste caso, não Ammar Fahad (o que mais gastou).

Por outro lado, os clientes que estão gastando menos, não fizeram quase nenhuma no período e não compram há muito tempo – receberam uma pontuação de 111. Recência (R) – 1, Frequência (F) – 1, Monetária (M) – 1. Andy Smith nesse caso é o pior cliente.

Faz sentido, não é mesmo?

Agora, deixe eu te explicar como fizemos grupos para cada um dessas três pontuações.

Como calcular o RFM numa escala de 1 a 5?

Empresas diferentes podem usar métodos diferentes para classificar os valores de RFM na escala de 1 a 5. Mas aqui estão dois métodos mais comuns:

Método 1: Fixando os extremos (Faixa Fixa)

Se alguém comprou (R) nas últimas 24 horas, atribua a eles 5. Nos últimos 3 dias, marque-os 4. Atribua 3 se tiverem comprado no mês atual, 2 nos últimos seis meses e 1 para todos os demais.

Como você pode ver, definimos um intervalo para cada pontuação. Os limites do intervalo são baseados na natureza dos negócios. Dessa mesma maneira, você também definiria intervalos para valores monetários (M) e de frequência (F).

Esse método de pontuação depende da natureza de cada negócio. Pois é decidido qual faixa eles consideram ideal para valores recentes, frequência e valores monetários.

Mas há desafios com esse cálculo fixo de período/intervalo para as pontuações do RFM.

À medida que a empresa cresce, os intervalos de pontuação podem precisar de ajustes frequentes.

Se você tem um negócio de pagamento recorrente, mas com condições de pagamento diferentes (mensal, anual, etc), esse tipo de método não faz sentido.

Método 2: Quintil – Faça 5 partes iguais com base nos valores/dados disponíveis

Lembre-se de seus tempos de escola. Havia um termo na matemática que se chamava percentil. Simplesmente a porcentagem de valores que estão em uma determinada observação ou abaixo dela.

Aqui está um gráfico do MathIsFun.com que explica isso claramente:

Os quintis são como percentis, mas em vez de dividir os dados em 100 partes, dividimos em 5 partes iguais.

Se você entende percentis, já é meio caminho andado para entender quintis. Se fizermos cinco intervalos iguais de percentil, uma pontuação de 18 cairá no intervalo de 0 a 20, que seria o 1º quintil.

Um valor percentil de 43, caíra na faixa de 40 a 60, ou seja, no terceiro quintil.

Seguindo essa ideia, um valor percentil 91 cairá na faixa de 80 a 100 e, portanto, do quinto quintil.

Esse método envolve matemática um pouco complicada, mas resolve muitos problemas no método anterior de faixa fixa . Os quintis funcionam com qualquer setor, uma vez que os intervalos são escolhidos a partir dos próprios dados, eles distribuem os clientes uniformemente.

Resumo do que falamos nessa parte

Pegue os dados do seu cliente, dê uma pontuação de 1 a 5 a valores de R, F e M. O uso de quintis funciona melhor, pois funciona para todas as empresas e ajusta de acordo com seus dados.

Visualizando os dados da análise de RFM

Uma representação gráfica do RFM ajudará você e outros tomadores de decisão a entender melhor a análise do comportamento dos clientes da sua empresa.

R, F e M têm pontuações de 1 a 5. Há um total de 5x5x5 = 125 combinações de valor RFM.

Três dimensões de R, F e M podem ser melhor plotadas em um gráfico 3D. Se analisarmos quantos clientes temos para cada valor de RFM, teremos que analisar 125 pontos de dados.

Mas trabalhar com gráficos 3D em papel ou na tela de um computador não funciona muito bem. Precisamos de algo em duas dimensões, que seja mais fácil de descrever e entender.

Representação simples da análise RFM

Nesta abordagem, plotamos a frequência (F) + a pontuação monetária (M) no eixo Y (intervalo de 0 a 5) e a recência (R) (intervalo de 0 a 5) no eixo X. Isso reduz as combinações possíveis de 125 para 50. Combinar F e M em um faz sentido, pois ambos estão relacionados ao quanto o cliente está comprando (Dinheiro, baby!). R no outro eixo nos dá uma rápida olhada nos níveis de engajamento com o cliente.

Considere um negócio de assinatura, por exemplo. Para um cliente com assinatura mensal de R$100, o valor monetário será de R$1200 para o ano inteiro, mas a frequência será de 12 devido ao faturamento mensal.

Por outro lado, um negócio não recorrente ou uma assinatura anual de R$1200 indica um bom valor monetário, mas a frequência é de apenas 1 devido à compra única.

O cliente é igualmente importante nos dois casos. E nossa abordagem de combinar pontuações de frequência e monetárias lhes confere igual importância em nossa análise de RFM.

Fazendo isso de forma mais efetiva (criando segmentos)

Compreender 50 elementos, citados anteriormente, pode ser entediante. Assim, podemos resumir nossa análise em 11 segmentos para entender melhor nossos clientes.

Se você se lembra, discutimos esses segmentos no início deste artigo.

Aqui está uma tabela que explica como você pode criar 11 segmentos de clientes com base nas pontuações do RFM:

Segmento de Clientes	Intervalo para valor de Recência (R)	Intervalo para valores combinados de Frequência (F) e Monetário (M)
Campeões	4 - 5	4 - 5
Clientes Fidelizados	2 - 5	3 - 5
Potencial para ser Fidelizado	3 - 5	1 - 3
Clientes recentes	4 - 5	0 - 1
Promissores	3 - 4	0 - 1
Clientes que precisam de atenção	2 - 3	2 - 3
Quase hibernando	2 - 3	0 - 2
Em risco	0 - 2	2 - 5
Não pode perdê-los	0 - 1	4 - 5
Hibernando	1 - 2	1 - 2
Perdido	0 - 2	0 - 2

Nossa apresentação final de análise de RFM

Dar uma cor distinta a cada segmento permitirá uma visualização mais fácil. E se selecionarmos cores com sabedoria, nossa representação do RFM será muito mais fácil de compartilhar e entender.

Então, aqui está o nosso relatório final de resumo do RFM:

Cálculos de RFM usando o Excel

Existem diversos softwares de CRM que fazem esse trabalho, mas se a ideia é testar e ver se faz sentido para você e o seu negócio, recomendo utilizar o Excel para isso.

Bruce Hardie e Peter Fader escreveram uma nota detalhada sobre o uso do Excel para calcular as pontuações de RFM. Eles também têm um arquivo de amostra do Excel que você pode usar. Mas esta nota é de 2008 e pode precisar de atualizações.

Há também um modelo/template do Excel da UMacs Business Solutions que é vendido por $3,99.

Há uma explicação passo a passo para configurar os cálculos de RFM usando o Excel no site do CogniView também.

Receba textos como esse em seu Email

Gostou? Compartilhe com quem precisa ler isso!

Mateus Guerra

Engenheiro Civil de formação, apaixonado por inovação, trabalhou por quase 4 anos no mercado de Startups e atualmente está explorando novos caminhos na Vale.

Saiba mais sobre mim

Mateus Guerra

Engenheiro Civil de formação, apaixonado por inovação, trabalhou por quase 4 anos no mercado de Startups e atualmente está explorando novos caminhos na Vale.

Saiba mais sobre mim